脑电图信号分类的近似熵和支持向量机

Scidown文献预览系统！

作者：scidown 发布时间：2021-06-16 15:20:42 文章标题：

脑电图信号分类的近似熵和支持向量机( Approximate entropy and support vector machines for electroencephalogram signal classification )

文章作者：

Z Zhen Z Yi Z Chen X Tian S Du R Huang neural regeneration brain injury epilepsy electroencephalogram nonlinear dynamics approximate entropy support vector machine automatic real-time detection classification generalization

文章简述：

脑电图波的自动检测和识别在癫痫发作的预测、诊断和治疗中起着重要的作用。本研究应用一种非线性动力学指标-近似熵和泛化能力强的支持向量机对癫痫发作间期和发作期的脑电图信号进行分类。我们的目的是验证近似熵波能否有效地应用于脑电图中癫痫的自动实时检测，并探讨其作为一种非线性动力学指标训练的分类器的泛化能力。本研究包括4例部分性癫痫发作的患者。均诊断为新皮层局限性癫痫，脑电图清晰观察到癫痫灶。对4例患者的脑电图数据进行分段，提取每一段的特征值，即近似熵。用从1例癫痫病例中提取的近似熵构造支持向量机分类器，然后对另外3例的脑电图波进行分类，达到93.33%的准确率。我们的发现提示，近似熵的使用允许在癫痫病例中自动实时检测脑电图数据。将近似熵与支持向量机相结合，对癫痫脑电图信号的分类具有良好的泛化能力。

文章下载地址（开放版）：